高斯过程回归补偿ARIMA的网络流量预测
为提高网络流量时间序列的中期预测精度,提出一种高斯过程回归模型补偿自回归积分滑动平均(ARIMA)模型的网络流量预测模型.首先通过Brock-Dechert-Scheinkman统计量检验方法确定网络流量时间序列包含线性特征与非线性特征;然后利用ARIMA模型对网络流量时间序列进行非平稳建模,得到符合网络流量序列线性变化规律的模型,并通过人工蜂群算法优化的高斯过程回归模型对具有非线性特性的预测误差序列进行建模与预测;最后将ARIMA模型的预测值与高斯过程回归模型的预测误差值进行相加得到最终的网络流量预测值.仿真对比实验结果表明,提出的预测方法具有更高的预测精度和更小的预测误差.
网络流量、预测、自回归积分滑动平均、高斯过程回归、BDS统计量
40
TP393(计算技术、计算机技术)
辽宁省自然科学基金重点项目20170540686;辽宁省教育厅科学研究项目LGD2016009
2018-03-09（万方平台首次上网日期，不代表论文的发表时间）
共9页
65-73
